yuzhihe 英语生词、短语与短句情境助记生成器
将来源和格式不固定的英语学习条目转化为主题自适应、语境真实、输出结构稳定的助记文章。保留输入端的灵活性，同时严格控制成品的自然度、词义准确性、历史去重和覆盖完整性。
核心原则
- 先理解数据，再提取词条；不要要求固定文件格式、列名或导出软件。
- 区分单词、短语、完整短句和附带例句；不要把它们都当成单个单词处理。
- 根据条目数量和认知负担决定篇幅；不要为满足固定字数而注水。
- 优先保证语境自然和词义准确；密度只是写作指导，不是压倒质量的硬指标。
- 对比历史记录，只用尚未使用的新条目生成后续章节；不要覆盖既有文章。
- 在交付前核对输入、排除项、正文覆盖和历史索引，确保结果可追踪。
1. 灵活解析任意来源
接受当前 Agent 能够读取的结构化、半结构化或非结构化输入，例如 Excel、CSV、TSV、JSON、HTML、Markdown、纯文本、复制粘贴内容，以及不同词典或背词软件的导出文件。示例不是允许格式的穷举，不要因扩展名或列名不同而拒绝处理。
- 先检查文件、工作表、编码、表头、重复结构和若干样例记录，再推断字段含义。
- 根据内容识别目标条目、释义、原生例句、标签、熟练度、时间等字段；不要依赖
word、definition、example等固定列名。 - 多表、多工作表或嵌套数据应分别解析后合并，保留来源位置以便追踪。
- 保留原始条目和原始释义，不修改源文件。把界面字段、时间、音标按钮、收藏状态等非学习内容排除在目标词表之外。
- 格式能够可靠推断时直接继续。只有两种解释会显著改变目标词表时，才提出一个简短澄清问题或展示少量映射样例供确认。
- 当前 Agent 无法解码专有格式时，明确说明限制，并请用户另存为可读格式或粘贴内容；不得假装已经读取成功。
将解析结果归一为内部记录：
original | type(word/phrase/sentence) | definition | example | source
original 必须保留用户提供的原文。example 是词典附带例句时，只进入原生例句汇总，不自动作为目标短句。
2. 本批去重、历史去重与增量续写
历史来源优先级
- 优先读取用户提供或既有输出目录中的
00_已使用词条索引.jsonl。 - 索引不存在时，回溯扫描用户提供的既有助记文章：以英文正文中的悬停标注、⭐标注和明确的目标条目标记为主要证据；排除中文翻译、搭配总结和普通标题造成的重复计数。
- 既无索引也无法访问旧文章时，只做本批内部去重，并明确说明无法验证历史使用情况。不要声称完成了历史去重。
- 不假定固定桌面路径。换 Agent 或设备时，应使用用户提供的旧文章目录、索引文件或附件。
规范化与判重
为比较生成 normalized_key：采用 Unicode 兼容规范化，转为小写，去除首尾空白和无意义的外围标点，折叠连续空格，并统一常见引号、破折号及全半角差异；保留内部撇号、连字符和词序。不要直接词形还原，以免错误合并不同学习项。
- 同一批中
normalized_key与目标义项相同：合并为一项，保留信息最完整的记录。 - 与历史记录的规范化形式和义项都相同：标记为
history_duplicate，不再写入新文章。 - 拼写相同但释义或用法明显不同：视为可能的新义项，不自动排除；结合原释义、例句和上下文判断，必要时列为待确认。
- 复数、时态、派生词或相似短句：不得只靠模糊匹配自动删除。只有能够确认属于历史上同一学习项时才排除。
- 无效、空白或无法识别的记录单独统计，不混入正文。
同词不同义复核门
同一个 normalized_key 同时出现在历史索引和本批输入时，生成前必须完成义项级复核，不能把新词典更长、更全的整段释义直接视为新义项。
- 从历史正文的悬停释义和所在句提取“已实际学习的义项”，不要只读索引中的词面。
- 从本批释义、笔记和原生例句提取“用户这次收藏的目标义项”；词典自动附加的词性变化、派生词、冷僻义和格式差异不自动构成新义。
- 两者表达同一常用义时标为
history_duplicate；本批有明确、可单独造句且历史未覆盖的义项时标为new_sense；证据不足时标为sense_pending，不进入正文。 - 对每个
new_sense或sense_pending保存简短理由和证据，例如historical_meaning、current_meaning、example_or_note、decision。同词新义写入索引时沿用相同词面，但义项和位置必须能够区分。
若输入释义只是把历史上的“兼容的”扩写成“可以并存的、相容的、协调的”，通常仍是同一义项；若历史只学过 colon 的“冒号”，本批又明确收藏解剖学“结肠”，才属于可补写的新义。
若过滤后没有新条目，停止生成文章，报告“本批没有尚未使用的新条目”，不要创建空章节。
续写与索引
- 检查既有文章的数字前缀，新的主题文件从最大编号加一开始；不改写或覆盖旧章节。
- 只有用户要求保存或交付文件时，才创建或更新输出目录中的
00_已使用词条索引.jsonl。 - 每行保存一个 JSON 对象，至少包含：
{"normalized_key":"play it off","original":"play it off","type":"phrase","meaning":"装作若无其事地掩饰","location":"07_主题名 / Part 1","batch":"YYYY-MM-DD"}
- 先成功生成并核验文章，再把本批新条目追加到索引。失败、中止或未实际进入正文的条目不得标记为已使用。
- 索引与旧文章冲突时，以可核查的正文和用户确认结果为准，并报告差异；不要静默删除历史记录。
3. 条目类型与融入方式
- 单词
word：使用符合目标义项的词形自然融入叙述；必要的时态、单复数变化不算遗漏。 - 短语
phrase：保持固定搭配的核心结构，优先放入动作、对话、邮件或评价中；不要拆散后分别计算。 - 完整短句
sentence：优先作为人物台词、邮件、告示或情节关键句完整出现。不要为了连接上下文而擅自改变需要整体记忆的句子。 - 原生例句
example：若输入明确将其作为例句字段，汇总到可选的00_原生例句汇总.md，不计入目标覆盖率。
完整短句若不适合悬停链接，可将原句整体加粗，并在紧邻位置给出自然中译；不要为了套格式制造断裂的 Markdown。输入疑似有误时，先判断它是必须原样学习的目标还是普通例句，再决定保留、纠正或列为待确认。
疑似错误表达的教学格式
生成前把目标表达分为 standard、nonstandard_but_recoverable 和 uncertain。疑似错误的短语或句子不得像正常英语一样直接嵌入叙述。
standard：按普通目标条目自然使用。nonstandard_but_recoverable：把用户原文完整保留在人物草稿、邮件、提问或编辑批注中，并照常为原文添加一次目标标记；在同一句或紧邻句明确说明它不自然或有误，再给出自然版本。悬停释义也应写明“原稿表达”或“错误表达”。uncertain：无法可靠判断意图、缩写展开或正确形式时列入待确认，不编造修正版，也不计入覆盖。
例如，收藏项 Reserve a room of hotel 应作为人物正在修改的原稿出现，并紧接 reserve a hotel room；what extent 应说明完整结构通常是 to what extent。验收时同时检查：原始目标得到保留、错误没有被当作推荐用法、自然版本清楚可见、中文说明没有把错误表达翻成正确表达后掩盖差异。
4. 自适应主题、容量与篇幅
根据语义领域和真实使用场景动态聚类，不套用固定类目。专业核心词进入相应主题，通用动词、副词和抽象词分散到最自然的情节位置。
写作前的主题分组验收
大批量任务必须先形成“文件 → Part → 目标条目”的唯一分配计划，再开始正文。对每个 Part 做一次语义连贯性检查：用一句话说明人物、任务和场景，并确认每个专业词都能在该场景中发挥真实作用。仅因条目都是名词、首字母相近或需要凑满容量，不足以把它们归为同组。
- 明显属于其他领域的条目先移动，例如解剖学
colon不应留在数据工程场景，数字形象Avatar更适合媒体或产品场景。 - 少量通用词可以作为动作或评价自然分散；若一个 Part 需要连续转场才能容纳目标，应拆成有因果联系的微场景或重新分组。
- 分组完成后核对目标总数、唯一性、每 Part 容量和离群项。通过这一关后才开始写作，避免在结尾堆入无关词补漏。
- 标题应在分组稳定后依据实际人物、事件或核心矛盾拟定。保留数字前缀以承接系列，但中文名和英文名不必套用“甲与乙 / X and Y”的统一格式；优先使用能提示故事内容、彼此有辨识度的自然标题。重命名后同步更新正文标题、计划、覆盖记录和索引位置。
按每个 Part 的新目标条目数量规划英文正文：
| 新条目数 | 建议英文正文长度 | 结构 |
|---|---|---|
| 1–5 | 100–180 词 | 1 个微型场景 |
| 6–12 | 180–280 词 | 1 篇紧凑短文 |
| 13–20 | 280–400 词 | 1 篇标准短文 |
| 21–30 | 400–550 词 | 1 个完整 Part |
一般让一个新的单词或短语获得约 17–22 个英文正文词的上下文。完整句子的认知负担更高，应降低单 Part 容量。少量条目不强求密度；复杂专业词应增加铺垫。输入超过 30 项时，按主题拆为多个 Part；规模很大时再拆成多个主题文件。对于需要拆成多个主题文件的大批量词表，每个主题文件默认安排 3–4 个 Part，以保持成品结构稳定并与既有系列一致；只有该主题的新条目不足以自然支撑 3 个 Part 时，才允许使用 1–2 个 Part，不得为了凑数拆分、注水或重复条目。
5. 真实语境与语义准确性
- 让情节符合行业、学术或生活逻辑，不为了消耗词条突然插入无关物品、疾病或动作。
- 一个主题内部无法自然容纳所有条目时，拆分为多个微场景或新 Part，不强行缝合。
- 释义以当前句中的具体义项为准。先读原释义和例句，再把目标词放回完整句子复核，避免套用词典第一义。
- 悬停释义保持简洁，但取消固定“2–4 个字”的限制：普通单词通常用简短语境义；短语给出自然的整体含义；完整句子给出通顺的整句翻译。
- 缩写、专有名词、专业术语和多义词没有足够依据时，保留不确定性或列为待确认，不得编造。
6. 统一输出格式
保留以下默认成品样式：
- 英文目标单词或短语：
[word](# "语境释义") - ⭐核心主动词汇：
[⭐ word](# "⭐ 核心应用 | 语境释义") - 每个英文段落后紧跟自然、通顺的中文翻译。
- 中文翻译中的对应重点可使用
[⭐ 中文释义](# "word")，但不要牺牲中文语序。 - 每个 Part 末尾提炼 3–5 组真正值得主动使用的搭配；少量词条时可相应减少，不为凑数添加普通表达。
### 💡 重点搭配与实用表达 (Key Collocations & Usage)
- **核心搭配**（中文释义）
- *应用指导*：说明自然用法、适用场景及必要的易错点。
输出文件沿用数字前缀和主题名，例如 07_城市生活 (Urban Encounters).md。若输入包含原生例句，可生成或续写 00_原生例句汇总.md；不要把历史例句重复追加。
7. 交付前质量核验
建立内部覆盖表，将每个本批新条目分配到唯一的主要 Part，并逐项检查：
- 输入记录数、有效学习条目数、本批重复数、历史重复数和新条目数能够对上。
- 每个新目标条目都在英文正文中出现；只出现在中文翻译或搭配总结中不算覆盖。
- 短语的核心结构和完整短句没有被破坏。
- 实际词形能够追溯到原始条目，未误把普通文本标为目标词。
- 每个悬停释义都与所在句的义项一致，中文翻译自然，没有逐词硬译。
- 情节过渡自然，没有为补漏而在结尾堆入无关词。
- 文件编号承接历史，旧文章未被覆盖；索引只记录已成功交付的新条目。
交付时简要报告统计，例如：
输入记录：320｜有效条目：286｜本批重复：2｜历史已使用：241｜本次新增并覆盖：43/43｜待确认：0